How does integrated knowledge translation work? A realist review
Notice bibliographique
Résumé
BACKGROUND: Integrated knowledge translation (IKT), or research co-production, is a research approach where researchers and knowledge users carry out a study as equal partners. A growing evidence base demonstrates that IKT produces research findings that are useful, usable and used. Despite knowing how IKT works, we have yet to ascertain how it operates. We conducted a realist review to examine the key mechanisms thought to explain how IKT approaches work in relation to the generation of research in the healthcare sector. METHODS: The research question was the following: what are the necessary conditions (context) and key mechanisms that explain the success of IKT in the healthcare sector? We conducted the review in two phases. During phase 1, we collaborated with knowledge users and scoped the literature to develop preliminary program theories. In phase 2, we inductively tested the preliminary program theories against the literature. We searched OVID Medline, Embase, PsycINFO, the Cumulative Index of Nursing and Allied Health Literature, Social Sciences Abstracts, and ABI Inform for empirical articles published between 2002 and 2017. An updated search included Embase and OVID Medline articles published between 2017 and 2020. The review includes 84 papers. We included articles written in English that focused on the health sector; encompassed the co-generation of research with researchers, policy-makers, administrators and/or practitioners; and evaluated the IKT approach. In analysing the retained articles, we produced three program theories by looking for common patterns and challenging and refining these theories. RESULTS: We postulate three program theories about how teams of researchers and knowledge users work to generate research. We identified three important conditions: infrastructure, role clarity and power sharing. Under particular infrastructure arrangements, effective partnerships are mechanisms that lead to the production of research findings relevant to knowledge users. Role clarity also triggers effective partnerships. With power sharing, synergy is a mechanism that leads to the use of findings. CONCLUSIONS: We identified different conditions (contextual factors), including infrastructure, role clarity and power sharing, in which IKT produces research findings that are of relevance to knowledge users and used in health settings. Effective partnerships are necessary but an insufficient mechanism for actual use of research findings, and must occur before the mechanism of partnership synergy. This work contributes to our understanding of how to enhance the uptake of evidence by presenting three program theories and a consolidated, mid-range theory of IKT.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Métarecherche Domaine: Méthodes · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Qualitatif | low |
| gpt | Métarecherche Domaine: Méthodes · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Revue systématique | medium |
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,049 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,003 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».